一种无线通信自动调制识别方法、装置与系统制造方法及图纸

本发明专利技术提供一种用于无线通信自动调制识别的神经网络系统，包括输入模块、残差单元和输出模块，其中，所述输入模块用于接受待识别的无线通信信号，获取所述信号的特征并将所述特征输送到所述残差单元，残差单元包括一个ConvBlackA单元和多个ConvBlackB单元，其中ConvBlackA包含三个Conv2D层、两个BN层，两个Gaussian Dropout层和两个PReLU层，ConvBlackB在ConvBlackA的基础上增加了一个BN层、一个Gaussian Dropout层和一个PReLU层；所述输出模块用于接收所述残差单元的输出，产生所述信号的调制识别结果。本发明专利技术在高信噪比下，与现有的深度学习模型相比，所提的GuResNet的调制识别精度好于其他的DL模型；在低信噪比下，所提出的信噪比感知机制，可以显著提升识别性能。著提升识别性能。著提升识别性能。

【技术实现步骤摘要】
一种无线通信自动调制识别方法、装置与系统


[0001]本专利技术涉及无线通信
、尤其涉及低信噪比环境中高精度智能调制识别的方法和系统。

技术介绍

[0002]自动调制识别(automatic modulation recognition，AMR)技术在军事和民事中都有广泛的应用，例如电子对抗，信号侦查和频谱检测。现有的自动调制识别方法通常分为基于似然(likelihood
‑
based，LB)的方法和基于特征(feature
‑
based，FB)的方法。具体而言，基于似然的方法在假设已知信道信息(例如，信道衰落模型)的条件下构造似然函数。然后，最大化似然函数获得接收信号可能的调制类别。然而，在实际环境中很难获得精确的信道信息，从而导致LB方法难以广泛应用。基于特征的方法可以显著解决以上问题。传统基于特征的方法包含两步，分别为特征提取和模式识别。对于特征提取，人工提取信号特征，例如高阶累积量、循环谱特征和星座图特征等。对于模式识别，基于提取的特征构造合适的分类器(例如决策树，支持向量机)识别该特征，从而区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于无线通信自动调制识别的神经网络系统，包括输入模块、残差单元和输出模块，其中，所述输入模块用于接受待识别的无线通信信号，获取所述信号的特征并将所述特征输送到所述残差单元，残差单元包括一个ConvBlackA单元和多个ConvBlackB单元，其中ConvBlackA包含三个Conv2D层、两个BN层，两个Gaussian Dropout层和两个PReLU层，ConvBlackB在ConvBlackA的基础上增加了一个BN层、一个Gaussian Dropout层和一个PReLU层；所述输出模块用于接收所述残差单元的输出，产生所述信号的调制识别结果。2.根据权利要求1所述的神经网络系统，其中残差单元包括5个ConvBlackB单元。3.根据权利要求1
‑
2之一所述的神经网络系统，其中输入模块包括：5
×
5卷积层、BN层和PReLU层。4.根据权利要求1
‑
2之一所述的神经网络系统，其中输出模块包括：PReLU层、Gaussian Dropout层、GAP层和Softmax层。5.一种无线通信系统的自动调制识别模型的训练方法，包括步骤200：利用信噪比小于等于低信噪比阈值的信号，使用二阶勒让德多项式提取所述信号的五维特征，采用多个连续采样点的五维特征以形成行数为5的矩阵作为一个特征矩阵,将该特征矩阵作为一个训练样本，获取对应于不同的低信噪比信号的多个训练样本；步骤300：使用所述对应于不同的低信噪比信号的多个训练样本训练权利要求1
‑
4任意一项的系统，以得到对应于不同的低信噪比的多个神经网络模型，其中每个低信噪比神经网络模型对应于一个低信噪比范...

【专利技术属性】
技术研发人员：杨静雅，周一青，刘玲，彭燕，石晶林，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：